集成多源地理大数据感知城市空间分异格局

多源地理大数据为地理现象的分布格局、相互作用及动态演化提供了前所未有的社会感知手段。城市是人类活动最为集中的区域,产生了多种地理大数据,并支持对于城市空间的理解。城市内部的分异格局是城市研究和规划所要面对的重要议题,社会感知数据提供了从"人-地-静-动"4个维度刻画城市分异格局的途径。梳理了不同类型大数据对于表达这4个维度特征的支持,并借鉴"生态位"模型,通过一个实例研究展示了集成多源数据量化城市空间分异特征的应用,最后讨论了相关的理论问题。     

地理分析中的空间效应

地理信息科学传承了地理学的空间分析传统。在地理空间分析中,由于地理空间的特殊性,地理信息科学在构造分析方法时,需要考虑空间效应。然而,空间效应具体的内涵和外延,到目前尚未有系统探讨。本文定义了地理空间效应,进而在形式化定义空间、位置、场、距离、区域等概念的基础上,归纳了4类空间效应：即空间异质性效应、空间依赖的近邻效应、空间交互的距离衰减效应、和空间分区的尺度效应,探讨了4类效应的内在逻辑关系,建立了统一的表达框架。其中,空间异质性效应是最为基础的效应,近邻效应和距离衰减效应反映了地理空间中两个位置之间的二阶关系,尺度效应则由于区域单元的汇总带来,因此这4类效应形成了递进关系。最后本文梳理了目前地理分析中对空间效应的体现,指出了地理空间人工智能技术对于空间效应的揭示和量化能力。     

大数据时代的空间交互分析方法和应用再论

空间交互是理解地表人文过程的重要基础,与空间依赖一起共同体现了地理空间的独特性、关联性以及对嵌入该空间的地理分布格局的影响,具有鲜明的时空属性,因此对于地理学研究具有重要意义。大数据为空间交互研究带来了新的机遇,能够使我们在不同时空尺度感知和观察空间交互模式并对其动态演化特征进行模拟和预测,从而为揭示人类活动规律及区域空间结构提供有力支持。本文在探讨空间交互与地理空间模式关系的基础上,描述了利用地理大数据感知空间交互的方式和定量模型,介绍了空间交互分析方法的研究进展及其在空间规划与交通、公共卫生、旅游等领域的应用情况,并就一些基本问题进行了讨论,以期为大数据支持下空间交互相关研究提供指导。     

一种路网拓扑约束下的增量型地图匹配算法

着眼于低频浮动车轨迹数据,对地图匹配问题进行了抽象,并分析了影响匹配结果的几何约束与拓扑约束。针对GPS采样的低频性和城市路网的复杂性,提出了一种路网拓扑约束下的增量型地图匹配算法（topology-constrained incremental matching algorithm,TIM）。选取北京市浮动车的GPS样例轨迹数据进行匹配,结果表明,该匹配算法在不同复杂程度的城市路网下均表现较好。